基于机器视觉的工件识别系统

２０１６年２月

第４４卷第４期

机床与液压

ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳ

Ｆｅｂ２０１６

Ｖｏｌ４４Ｎｏ４

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１－３８８１２０１６０４０３３

收稿日期：２０１４－１２－２９

作者简介：熊晓松（１９７２），男，硕士研究生，讲师，研究方向为机电一体化三Ｅ－ｍａｉｌ：３７５５０３４３８＠ｑｑｃｏｍ三

基于机器视觉的工件识别系统

熊晓松，周凯

（武汉科技大学城市学院机电工程学部，湖北武汉４３００８３）

摘要：针对生产制造过程中枯燥的零件识别二分拣等工作，利用ＬａｂＶＩＥＷ建立了具有机械视觉的识别系统三通过对工作区内零件进行图像采集二处理，甄别不同形体的零件以实现零件的分拣工作，可以极大促进生产的自动化程度，提高生产率三最后通过实验验证了设计的实用性三

关键词：机器视觉；工件识别；图像采集；图像处理

中图分类号：ＴＰ２４２６＋２一一文献标志码：Ｂ一一文章编号：１００１－３８８１（２０１６）４－１０６－３

ＲｅｃｏｇｎｉｚｉｎｇＳｙｓｔｅｍｏｆＷｏｒｋｐｉｅｃｅｓＢａｓｅｄｏｎＭａｃｈｉｎｅＶｉｓｉｏｎ

ＸＩＯＮＧＸｉａｏｓｏｎｇ，ＺＨＯＵＫａｉ

（ＣｉｔｙＣｏｌｌｅｇｅ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＷｕｈａｎＨｕｂｅｉ４３００８３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｂｏｒｉｎｇａｃｔｏｆｗｏｒｋｐｉｅｃｅｓａｂｏｕｔｒｅｃｏｇｎｉｚｉｎｇ，ｃｌａｓｓｉｎｇｅｃｔ，ａｒｅｃｏｇｎｉｚｉｎｇｓｙｓｔｅｍｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉ?

ｓｉｏｎｓｙｓｔｅｍｗａｓｄｅｖｅｌｏｐｅｄｗｉｔｈＬａｂＶＩＥＷｓｏｆｔｗａｒｅ．Ｔｈｅｉｍａｇｅｓｏｆｔｈｅｗｏｒｋｐｉｅｃｅｓｗｅｒｅｃｏｌｌｅｃｔｅｄａｎｄｐｒｏｃｅｓｓｅｄ，ｔｈｅｎｗｏｒｋｐｉｅｃｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｓｈａｐｅｓｗｅｒｅｄｉｓｃｒｉｍｉｎａｔｅｄａｎｄｓｏｒｔｅｄ．Ｉｔｗａｓｓｉｇｎｉｆｉｃａｎｔｆｏｒｐｒｏｍｏｔｉｎｇｔｈｅａｕｔｏｍａｔｉｃｐｒｏｄｕｃｔｉｏｎｌｅｖｅｌａｎｄｉｍｐｒｏｖｉｎｇｔｈｅｐｒｏｄｕｃ?ｔｉｖｉｔｙｏｆｃｏｍｐａｎｙ．Ａｔｌａｓｔｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｖａｌｉｄａｔｅｄｔｈｅｐｒａｃｔｉｃａｂｉｌｉｔｙｏｆｔｈｅｄｅｓｉｇｎ．

Ｋｅｙｗｏｒｄｓ：Ｍａｃｈｉｎｅｖｉｓｉｏｎ；Ｒｅｃｏｇｎｉｚｉｎｇｏｆｗｏｒｋｐｉｅｃｅｓ；Ｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎ；Ｉｍａｇｅｐｒｏｃｅｓｓ

一一当前工业生产线上不同外形和大小的零件分拣工作大多由人工完成，工人从事该工作劳动量大二枯燥乏味且效率低下三开发具有机器视觉的机器人可以很好地胜任此类工作，极大地提高生产线上的自动化程度，可将人们从此类工作中解放出来三

机器视觉就是给机器装上视觉装置使得机器具有人类视觉的功能三它可以代替人眼来对环境做测量和判断，再配合机械手臂可以极大地提高机器的自动化和智能化程度三机器人视觉系统是通过摄像装置将被测目标转换成图像信号，传送给专用的图像处理系统，图像系统根据图像的像素分布二亮度二颜色等信息进行各种运算以抽取目标的特征，进而根据判别的结果来控制现场的设备动作三

１一

系统结构

图１一具于视觉的机器人控制系统实体组成图

具有视觉的机器人控制系统主要由图像视觉输入设备二光源二上位机二下位机二机器人本体等组成三具有视觉的机器人控制系统见图１三

１１一图像输入设备

模拟人眼的部件为图像视觉输入设备，例如摄像机（头）三根据机器人视觉系统使用的摄像机设备数目的不同，机器人视觉系统可分为单目二双目以及多目视觉系统［１］三这里的实验使用一个摄像头，为单目视觉三

图像输入设备与机器人相互位置的不同，将摄像机与工业机器人的腕部末端构成的手眼系统分为Ｅｙｅ?ｉｎ?Ｈａｎｄ系统和Ｅｙｅ?ｔｏ?Ｈａｎｄ系统［２］三Ｅｙｅ?ｉｎ?Ｈａｎｄ系统中摄像机装在机器人的手腕上；Ｅｙｅ?ｔｏ?Ｈａｎｄ系统中的摄像机则是安装在机器人本体外的固定位置，在机器人运动过程中摄像机的位置和姿态一直保持改变三这里采用Ｅｙｅ?ｔｏ?Ｈａｎｄ三

此实验案例中图像采集选用的ＵＳＢ摄像头，图像分辨率为６４０像素?４８０像素，６４０表示图像在水平方向上的像素点个数，４８０表示图像在垂直方向上的像素点个数三这样，每一帧采集的图像最大容纳像素点个数为６４０像素?４８０像素三摄像头安装在工作台平面正中央上方，其轴心垂直于工作台平面三

１２一光源的采用

在工作区内的工件可以通过反射光在传感器上留

下自己的影像，所以光源的正确选择是保证视觉系统正常工作的基础三在选择视觉系统光源时要注意，使用的光源要把工件和背景区分开来，减弱非工件区域或噪声的干扰，并且确保光源本身不会带来额外的干扰三

由于实验中的工作区域较小，为了使得工作区域光线均匀且亮度高，同时得光方便容易，故采取直接将光源照射在被检测的工件上三光源为ＬＥＤ环形光源，可以在工作台平面上产生区域小二较均匀二集中的光线三

１３一上位机

上位机控制端使用普通的ＰＣ机，上位机与摄像头相连，将摄像头采集的图像进行处理三图像处理主要完成图像的灰度化二图像的二值化二图像轮廓的提取以及工件中心点的生成等三

１４一下位机

下位机为开源开发板Ａｒｄｕｉｎｏｍｅｇａ２５６０Ｒ３，用来控制机器手臂完成工件的抓取三

２一软件设计

视觉系统开发软件选用ＮＩ公司开发的Ｌａｂ?ＶＩＥＷ，它是一种图像化编程语言三ＬａｂＶＩＥＷ中的视觉开发模块具有强大的机器视觉处理库，配有各类函数，其中包括：图像抓取二边缘检测二颗粒分析二几何与模式匹配等工具三编程简单，能快速地完成视觉应用系统的建立三

２１一图像采集

对工件进行识别需先用摄像头对工作区内的所有零件进行拍摄，拍摄到的图像通过ＵＳＢ２０传输通道接口传输到上位ＰＣ机中去三ＵＳＢ２０接口输出的信号是数字信号，可以直接由计算机处理三数字图像在计算机中是以二维数组的０与１的编码存在，所存在的最大像素点即为摄像头的最佳采样分辨率三ＰＣ机通过相应的ＩＭＡＱＵＳＢ模块就可以完成图像的抓取，接着就需要对视频中的单帧数字图像进行处理三２２一图像处理

图像处理部分主要实现了图像的灰度化二图像的二值化二图像轮廓的提取以及中心点的生成等功能三图像的灰度化就是将彩色图像转化为黑白图像三转化为黑白图像后，会更容易对所采集的数字图像进行后续的处理和运算，所以在视觉图像处理中经常会把采集到的彩色图像转化成灰度图像［３］三

在实现了图像的灰度化操作之后，还要对图像进行二值化操作三图像的二值化就是在显示图像时，图像只有两种颜色，通常都是黑色和白色三二值化可将零件从工作区的背景中分割出来三图像二值化的方法有很多种，这里采用的是阈值判别法三

阈值判别法就是通过区分灰度图像中各个像素点

亮度值的大小来判定该像素点二值化后是白色或是黑

色三当使用阈值判别法来对灰度化后的图像进行二值

化操作时，就需要给定一个具体的判别数值，当灰度

图像中的像素点亮度值小于这个设定值时，就把像素

点设置成为黑色，而当图像中的像素点亮度值大于这

个设定值时，就会把像素点设置成为白色［４］三在此实验中，工件为浅白色，工作台是是深灰色，色差较

大，很容易设定阈值进行区分三手动人为地设定一个

阈值比较简单，所以采用手动选取阈值的方法三利用

阈值判别法将工件从背景中分割出来三

实现了图像的二值化后，就可以对图像进行分析

运算，即边缘的检测二轮廓的提取以及图像轮廓中心

点的提取等三利用ＬａｂＶＩＥＷ颗粒分析工具ＩＭＡＱＰａｒ?ｔｉｃｌｅＡｎａｌｙｓｉｓＲｅｐｏｒｔ模块可以得到工件颗粒的面积二数量二位置二颗粒存在等信息三在所提供的信息当中，可以对不同几何性质的目标进行分类，很清晰地读取其中一些结果参数三在通过甄选所得到的数据组中，对此实验进行起到关键重要的数据主要是以下６种数据：ＣｅｎｔｅｒｏｆＭａｓｓＸ（实体中心Ｘ坐标值），Ｃｅｎ?ｔｅｒｏｆＭａｓｓＹ（实体中心Ｙ坐标值），ＮｕｍｂｅｒｏｆＨｏｒｉｚ．Ｓｅｇｍｅｎｔｓ（水平方向坐标量分段值），ＮｕｍｂｅｒｏｆＶｅｒｔ．Ｓｅｇｍｅｎｔｓ（垂直方向坐标量分段值），ＡｖｅｒａｇｅＨｏｒｉｚ．ＳｅｇｍｅｎｔＬｅｎｇｔｈ（水平段值平均量），ＡｖｅｒａｇｅＶｅｒｔ．ＳｅｇｍｅｎｔＬｅｎｇｔｈ（垂直段值平均量）三由此可以确定所检测得到的目标工件的中心坐标点二长宽比及圆度信息，这样使用简单的判定依据就可以实现对目标工件的检测识别分类三

３一工件识别实验

针对圆形和矩形不同的工件模型进行图像检测实

验，上位机ＧＵＩ部分是完全基于ＬａｂＶＩＥＷ设计平台

设计的，图像处理部分则是使用了其ＶｉｓｉｏｎＤｅｖｅｌｏｐ?ｍｅｎｔＭｏｄｕｌｅ视觉处理模块以及与之对应的ＶｉｓｉｏｎＡｃ?ｑｕｉｓｉｔｉｏｎＳｏｆｔｗａｒｅ设备驱动程序三控制系统ＧＵＩ界面如图２所示

三

图２一上位机系统ＧＵＩ界面

界面主要分为三大部分：图像监控与处理版块二串口通信与反馈版块以及运动控制模式选择与调节显

四７０１四

第４期熊晓松等：基于机器视觉的工件识别系统一一一

示版块三图像监控与处理版块包含摄像机选择（应对使用多摄像机环境），图像监控二图像捕捉二图像处理３个功能显示窗口，还有应对不同光源环境下作业的环境光阈值调节功能，并且还附带设定了一个用于显示检测视场范围内目标工件总数目的表盘；串口通信与反馈版块包含串口通信端口选择项二波特率条件选项二下位机反馈信息串口显示区以及一些像下位机连接确认和清空接收区这样的辅助功能；运动控制模式选择与调节显示版块的内容包括机械手臂多级运动速度参数调节二空载速率参数调节二图像识别抓取模式选择等功能三

全部识别模式是依据摄像机拍摄得到图像信息，由计算机自动判别出现在视场范围内的目标工件位置并自动给出一套抓取顺序；过滤圆形目标模式是在全部识别模式的基础之上，有针对性地只对视场内出现的圆形外观目标物件进行抓取动作；过滤矩形目标模式与过滤圆形目标模式类似，只针对视场内的矩形外观目标进行抓取；过滤并分类摆放模式则是综合了过滤圆形目标与过滤矩形目标模式，将这两类目标先进行分类识别并按照设定的排序算法进行排序，最后通过机械手臂摆放至指定位置三

为了验证系统的可靠性，在实验室里连接下位机控制机器手臂对工件进行了分类拾取三由视觉系统进行了图像采集二图像处理，得到了不同形体工件的坐标，将坐标值传给下位机，然后驱动机器人运动完成相应功能三实验过程如图３所示

三

图３一机器手对不同形体的工件识别抓取机器手臂可以很好地对圆形工件和矩形工件进行识别，并对圆形工件进行抓取，达到了预期目标三４一结束语

机器视觉系统可以快速获取大量信息，而且易于自动处理，可以方便地用于生产线中三通过图像处理等技术，对工作区的工件实现了自动定位二识别二操作等三该视觉系统具有精确二可靠二速度二识别率高等优势，有利于实现生产系统的智能化二自动化，值得大力推广三

参考文献：

［１］王健强，吕游．视觉引导技术在工业机器人智能抓取中的应用［Ｄ］．合肥：合肥工业大学，２００９．［２］徐德，谭民，李原．机器人视觉测量与控制［Ｍ］．北京：国防工业出版社，２００８．

［３］韩宝玲，罗庆生．机器人视觉目标数字图像实时处理及分割［Ｊ］．工程图学学报，２００６，２７（５）：７５－７９．［４］黄桂平，李广云，王保丰．等．单目视觉测量技术研究［Ｊ］．计量学报，２００４，２５（４）：３１４－３１７．

（上接第７７页）

［２］梁全，苏齐莹．液压系统ＡＭＥＳｉｍ计算机仿真指南［Ｍ］．北京：机械工业出版社，２０１４．

［３］李建光，于玲．基于ＡＭＥＳｉｍ的液压支架立柱自动增压阀的仿真研究［Ｊ］．液压与气动，２０１１（９）：４３－４５．［４］张宪宇，陈小虎，何庆飞，等．基于ＡＭＥＳｉｍ的液压元件设计库的液压系统建模与仿真研究［Ｊ］．机床与液压，２０１２，４０（７）：１７２－１７４．

［５］于玲，贾春强．综采工作面支架液压系统仿真研究［Ｊ］．

煤矿机械，２０１４（２）：５６－５８．

［６］韩会林，张圣康，孙兰萍．装卸臂紧急脱离装置的必要性及技术要求［Ｊ］．中国石油和化工标准与质量，２０１３（９）：６０－６１．

［７］孙成通，陈国华，蒋学华．液压系统仿真技术与仿真软件研究［Ｊ］．机床与液压，２００８，３６（１０）：１１－１４．［８］刘海丽，李华聪．液压机械系统建模仿真软件ＡＭＥＳｉｍ及其应用［Ｊ］．机床与液压，２００６（６）：１２４－１２６．

（上接第８４页）

时，系统的相角裕度和幅值裕度越大，有利于系统的稳定三动态特性方面，反馈放大系数越大系统响应速度越快，但系统动态品质变差，甚至出现剧烈振荡三反馈放大系数越小，系统响应速度变慢，超调量越小三

可见反馈机构连杆长度参数决定的反馈放大系数的取值对系统的稳定性和动态品质影响较大，在设计连杆机构时必须考虑三

参考文献：［１］陈德鑫．基于虚拟样机技术的多轴车辆液压动力转向系统性能分析［Ｄ］．长春：吉林大学机械科学与工程学院，２００７．

［２］王春行，徐渌．液压控制系统［Ｍ］．北京：机械工业出版社，１９９８．

［３］李洪人．液压控制系统［Ｍ］．北京：国防工业出版社，１９９０．

［４］陈杰．ＭＡＴＬＡＢ宝典［Ｍ］．北京：电子工业出版社，２００７．［５］胡寿松．自动控制原理［Ｍ］．北京：科学出版社，２００１．［６］宋志安．ＭＡＴＬＡＢ／Ｓｉｍｕｌｉｎｋ与机电控制系统仿真［Ｍ］．北京：国防工业出版社，２０１１．

四８０１四机床与液压第４４卷

机器视觉测量技术

机器视觉测量技术杨永跃合肥工业大学 2007.3

目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD相机类 2.4 彩色数码相机 2.5 常用的图像文件格式 2.6 照明系统设计第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术第四章标定方法的研究 4.1 干涉条纹图数学形成与特征 4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法第五章立体视觉 5.1 立体成像

5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从x恢复形状的方法 5.6 测距成像第六章标定 6.1 传统标定 6.2 Tsais万能摄像机标定法 6.3 Weng’s标定法 6.4 几何映射变换 6.5 重采样算法第七章目标图像亚像素定位技术第八章图像测量软件（多媒体介绍）第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析附：教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。

第一章绪论 1.1 概述人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。智能机器能模拟人类的功能、能感知外部世界，有效解决问题。人类感知外部世界：视觉、听觉、嗅觉、味觉、触觉眼耳鼻舌身所以对于智能机器，赋予人类视觉功能极其重要。机器视觉：用计算机来模拟生物（外显或宏观）视觉功能的科学和技术。机器视觉目标：用图像创建或恢复现实世界模型，然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备：摄像机、红外线、激光、超声波、X射线、CCD、数字扫描仪、超声成像、CT等数字化设备 2 低层视觉（预处理）：对输入的原始图像进行处理（滤波、增强、边缘检测），提取角点、边缘、线条色彩等特征。 3 中层视觉：恢复场景的深度、表面法线，通过立体视觉、运动估计、明暗特征、纹理分析。系统标定 4 高层视觉：在以物体为中心的坐标系中，恢复物体的完整三维图，识别三维物体，并确定物体的位置和方向。 5 体系结构：根据系统模型（非具体的事例）来研究系统的结构。（某时期的建筑风格— 据此风格设计的具体建筑） 1.3 机器视觉的应用工业检测—文件处理，毫微米技术—多媒体数据库。许多人类视觉无法感知的场合，精确定量感知，危险场景，不可见物感知等机器视觉更显其优越十足。 1 零件识别与定位

机器视觉检测系统简述及系统构成

机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式机器视觉检测的目标千差万别，检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。机器视觉检测的一般模式如图1所示：图1机器视觉检测的一般模式 1.1图像获取图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法，它包括图像增强,数据编码和传输，平滑，边缘锐化，分割，特征提取，目标识别与理解等内容。 1.3分拣对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。图2典型的机器视觉检测系统 3光源

【完整版】2020-2025年中国机器视觉行业市场发展战略研究报告

（二零一二年十二月） 2020-2025年中国机器视觉行业市场发展战略研究报告可落地执行的实战解决方案让每个人都能成为战略专家管理专家行业专家 ……

报告目录第一章企业市场发展战略研究概述 (7) 第一节研究报告简介 (7) 第二节研究原则与方法 (7) 一、研究原则 (7) 二、研究方法 (8) 第三节企业市场发展战略的作用、特征及与企业的关系 (10) 一、企业市场发展战略的作用 (10) 二、市场发展战略的特征 (11) 三、市场发展战略与企业战略的关系 (12) 第四节研究企业市场发展战略的重要性及意义 (13) 一、重要性 (13) 二、研究意义 (13) 第二章市场调研：2018-2019年中国机器视觉行业市场深度调研 (14) 第一节机器视觉概述 (14) 一、机器视觉的定义 (14) 二、机器视觉行业的权威定义 (15) 三、机器视觉行业及其应用领域简介 (16) （1）机器视觉是人工智能最重要的分支之一 (16) （2）工业是机器视觉技术最大的应用领域之一 (18) （3）工业领域之外的其他应用领域 (19) （4）机器视觉技术在工业领域中的具体应用 (20) 第二节我国机器视觉行业监管体制与发展特征 (23) 一、所处行业及确定所属行业的依据 (23) 二、行业主管部门及监管体制 (24) 三、行业主要法律法规政策 (24) 四、产业链上游及中游情况，代表性企业 (27) 五、行业的周期性、区域性和季节性 (29) （1）行业周期性 (29) （2）行业区域性 (29) （3）行业季节性 (30) 六、进入本行业的主要障碍 (30) （1）技术壁垒 (30) （2）人才壁垒 (30) （3）品牌壁垒 (30) （4）规模壁垒 (31) （5）服务壁垒 (31) （6）客户资源壁垒 (31) 第三节2018-2019年中国机器视觉行业发展情况分析 (31) 一、机器视觉技术及行业保持高速发展 (32) 二、机器视觉行业在中国处于快速发展阶段 (32) 第四节2018-2019年我国机器视觉行业竞争格局分析 (33)

机器视觉行业市场调研报告

机器视觉市场调研报告营业部:李凯丽 2015年9月2日

机器视觉技术是一项新兴产业，自起步发展至今，机器视觉在中国经历了三个发展阶段，其功能以及应用范围随着工业自动化的发展也在逐渐完善和推广。而在世界范围内，机器视觉已经为人类解决了许多重大问题，由于机器视觉自身领域的特点，目前应用于工业、农业、交通运输业、新兴行业等多领域，创造了人工无法比拟的经济和社会价值。本文从机器视觉的发展、机器视觉的应用领域、竞争状态、市场规模和预测等多方面，调研了机器视觉行业的发展状态，为公司投资机器视觉领域提供了参考依据。关键词：机器视觉、市场规模、竞争、前景

第一章机器视觉发展背景 (3) 1.1 机器视觉综述 (3) 1.1.1 机器视觉定义及组成 (3) 1.1.2 行业发展阶段 (5) 1.1.3 机器视觉特点及应用优点 (6) 1.2 机器视觉行业发展特性 (7) 1.3 产业链分析 (8) 1.4 行业发展环境分析 (9) 1.4.1 行业政策环境 (9) 1.4.2 行业技术环境分析 (10) 第二章国际机器视觉行业发展趋势和现状 (11) 2.1 市场发展规模 (11) 2.1.1 产业发展历程 (11) 2.1.2 应用现状分析 (12) 2.1.3 产业市场规模和格局 (13) 2.2 行业分布状况和发展趋势 (14) 2.2.1 产业地区分布情况 (14) 2.2.2 发展趋势预测 (16) 第三章中国机器视觉行业的发展现状和趋势 (18) 3.1 发展现状及市场规模 (18) 3.1.1 产业发展历程 (18) 3.1.2 市场规模 (19) 3.2 行业竞争现状 (21) 3.2.1 行业竞争主体 (21) 3.2.2 企业分布状况 (26) 3.3 发展趋势 (27) 第四章机器视觉的应用 (29) 4.1 应用领域分布 (29) 4.2 机器视觉在各行业的应用情况 (30) 4.2.1 在工业领域中的应用 (30) 4.2.2 在农业领域中的应用 (34) 4.2.3 在医药行业中的应用 (36) 4.2.4 在交通领域中的应用 (37) 第五章机器视觉行业发展前景与投资建议 (39) 5.1 发展前景及进入壁垒 (39) 5.2 投资机会和风险 (41)

机器视觉测量技术

机器视觉测量技术杨永跃合肥工业大学 2007.3 目录第一章绪论 1.1 概述 1.2 机器视觉的研究内容 1.3 机器视觉的应用 1.4 人类视觉简介 1.5 颜色和知觉 1.6 光度学 1.7 视觉的空间知觉 1.8 几何基础第二章图像的采集和量化 2.1 采集装置的性能指标 2.2 电荷藕合摄像器件 2.3 CCD 相机类 2.4 彩色数码相机 2.5 常用的图像文件格式

2.6 照明系统设计第三章光学图样的测量 3.1 全息技术 3.2 散斑测量技术 3.3 莫尔条纹测量技术 3.4 微图像测量技术第四章标定方法的研究 4.1 干涉条纹图数学形成与特征4.2 图像预处理方法 4.3 条纹倍增法 4.4 条纹图的旋滤波算法第五章立体视觉 5.1 立体成像 2 5.2 基本约束 5.3 边缘匹配 5.4 匹域相关性 5.5 从 x 恢复形状的方法 5.6 测距成像

第六章标定 6.1 传统标定 6.2 Tsais 万能摄像机标定法 6.3 Weng ’ s 标定法 6.4 几何映射变换 6.5 重采样算法第七章目标图像亚像素定位技术第八章图像测量软件 (多媒体介绍第九章典型测量系统设计分析9.1 光源设计 9.2 图像传感器设计 9.3 图像处理分析 9.4 图像识别分析附:教学实验 1、视觉坐标测量标定实验 2、视觉坐标测量的标定方法。 3、视觉坐标测量应用实验 4、典型零件测量方法等。

3 第一章绪论 1.1 概述人类在征服自然、改造自然和推动社会进步的过程中,面临着自身能力、能量的局限性, 因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器或智能机器人是这种机器最理想的模式。智能机器能模拟人类的功能、能感知外部世界,有效解决问题。人类感知外部世界:视觉、听觉、嗅觉、味觉、触觉眼耳鼻舌身所以对于智能机器,赋予人类视觉功能极其重要。机器视觉:用计算机来模拟生物(外显或宏观视觉功能的科学和技术。机器视觉目标:用图像创建或恢复现实世界模型,然后认知现实世界。 1.2 机器视觉的研究内容 1 输入设备成像设备:摄像机、红外线、激光、超声波、 X 射线、 CCD 、数字扫描仪、超声成像、 CT 等数字化设备 2 低层视觉(预处理 :对输入的原始图像进行处理(滤波、增强、边缘检测 ,提取角点、边缘、线条色彩等特征。 3 中层视觉:恢复场景的深度、表面法线,通过立体视觉、运动估计、明暗特征、纹理分析。系统标定

机器视觉简介

机器视觉概述机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。【应用领域】机器视觉广泛应用于各个方面，广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。【基本构造】一个典型的工业机器视觉系统包括：光源、镜头、CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/ 输入输出单元等。系统可再分为、主端电脑(Host Computer)、影像获取卡(Frame Grabber)与影像处理器、影像摄影机、CCTV镜头、显微镜头、照明设备、Halogen光源、LED光源高周波萤光灯源、闪光灯源、其他特殊光源、影像显示器、LCD、机构及控制系统、PLC、PC-Base控制器、精密桌台、伺服运动机台。以上涵盖大部分的机器视觉系统组成部分，在本实验室中机器视觉的主要系统组成为：光源、工控机、工业相机、镜头；其中在进行算法设计时尽量的减少对于光源条件的依赖（实验室的光源性能一般，光照条件良好）。图1 典型的机器视觉系统

图2 本实验室的机器视觉的主要组成尽量以本实验室现有的实验条件为主，其他需要的部分按实际要求也可以添加。【工作原理】机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/ 不合格、有/ 无等，实现自动识别功能。【机器视觉系统的典型结构】一个典型的机器视觉系统包括以下五大块： 1.照明照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。

中国机器视觉行业发展现状与前景分析

中国机器视觉行业发展现状与前景分析机器视觉就是用机器来代替人眼做测量和判断的系统，它通过光学装置和非接触传感器自动获取目标对象的图像，并由图像处理设备根据所得图像的像素分布、亮度和颜色等信息进行各种运算处理和判别分析，以提取所需的特征信息或根据判别分析结果对某些现场设备进行运动控制。机器视觉系统中的图像处理设备一般都采用计算机，所以机器视觉有时也称为计算机视觉。机器视觉行业的上游有光源、镜头、工业相机、图像采集卡、图像处理软件等的提供商。行业下游应用较广，主要下游市场是半导体和电子制造行业。除此之外还有应用到汽车、印刷包装、烟草、农业、医药和交通等领域。图表1：机器视觉行业链示意图资料来源：前瞻产业研究院前瞻产业研究院发布的《2014-2018年中国机器视觉产业发展前景与投资预测分析报告》数据显示，2010年是中国机器视觉市场爆发增长的一年。行业经过了4-5年的孕育和积累，经济增长回暖，行业实现48%的快速增长。2010年，机器视觉市场高速增长的主要原因在于：电子制造、市政交通、汽车、食品和包装机械等众多行业需求的大幅增长带来包括机器视觉在内的自动化产品的需求增长；政策性因素和内生式复苏带来的增长在市政交通、汽车和电子制造行业表现明显。从行业应用来看，电子制造行业仍然是拉动需求高速增长的主要因素。2010年机器视觉产品电子制造行业的市场规模为3.7亿人民币，增长60.9%，市份额达到了43.6%。汽车和市政交通的市场规模增长更是高达66.7%和63.2%。电子制造、汽车制造和市政交通行业占据了2/3以上的机器视觉市场份额。

2011年以来，制造行业发展环境不佳，机器视觉也增速态势下滑，2012年行业市场规模约12.5亿元。图表2：2007-2012年我国机器视觉行业市场规模及增长率（单位：亿元，%）资料来源：前瞻产业研究院目前在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。分别按照20%，25%以及30%的增长率，2013-2018年我国机器视觉行业市场规模增长情况如下，乐观估计可达到60.3亿元。图表3：2013-2018年我国机器视觉行业市场规模预测（单位：亿元，%）

机器视觉系统概述.

2 机器视觉系统概述 2.1 机器视觉的概念美国制造工程师协会（SME Society of Manufacturing Engineers）机器视觉分会和美国机器人工业协会（RIA Robotic Industries Association）的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置”。在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，自动装配的完整性检查，电子装配线的元件自动定位，IC上的字符识别等。通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。这样，就把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉的概念。工业线扫描相机系统一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。机器视觉的优点包括以下几点： ■精度高作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。 ■连续性

视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。 ■成本效率高随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。 ■灵活性视觉系统能够进行各种不同的测量。当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC命令。在SPC中，制造参数是被持续监控的。整个过程的控制就是要保证这些参数在一定的范围内。这使制造者在生产过程失去控制或出现坏部件时能够调节过程参数。机器视觉系统比光学或机器传感器有更好的可适应性。它们使自动机器具有了多样性、灵活性和可重组性。当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。当生产线重组后，视觉系统往往可以重复使用。 2.2 机器视觉系统的构成机器视觉技术用计算机来分析一个图像，并根据分析得出结论。现今机器视觉有两种应用。机器视觉系统可以探测部件，在此光学器件允许处理器更精确的观察目标并对哪些部件可以通过哪些需要废弃做出有效的决定；机器视觉也可以用来创造一个部件，即运用复杂光学器件和软件相结合直接指导制造过程。尽管机器视觉应用各异，但都包括以下几个过程； ■图像采集光学系统采集图像，图像转换成模拟格式并传入计算机存储器。 ■图像处理处理器运用不同的算法来提高对结论有重要影响的图像要素。 ■特性提取处理器识别并量化图像的关键特性，例如印刷电路板上洞的位置或者连接器上引脚的个数。然后这些数据传送到控制程序。 ■判决和控制

机器视觉检测分解

研究背景：产品表面质量是产品质量的重要组成部分，也是产品商业价值的重要保障。产品表面缺陷检测技术从最初的依靠人工目视检测到现在以CCD 和数字图像处理技术为代表的计算机视觉检测技术，大致经历了三个阶段，分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。[] 传统检测技术（1）人工目视检测法（2）频闪检测法无损检测技术（1）涡流检测法（2）红外检测法（3）漏磁检测法计算机视觉检测技术（1）激光扫描检测法（2）CCD 检测法采用荧光管等照明设备，以一定方向照射到物体表面上，使用CCD摄像机来扫描物体表面，并将获得的图像信号输入计算机，通过图像预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后，提取图像中的表面缺陷的相关特征参数，再进行缺陷图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。优点：实时性好，精确度高，灵活性好，用途易于扩充，非接触式无损检测。基于机器视觉的缺陷检测系统优点：集成化生产缩短产品进入市场时间改进生产流程100%质量保证实时过程监控提高产量精确检测100%检测由于经济和技术原因国内绝大多数图像处理技术公司都以代理国外产品为主，没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备，对视觉技术的开发应用停留在比较低端的小系统集成上，对需要进行大数据量的实时在线检测的研究很少也很少有成功案例，但是随着国内经济发展和技术手段不断提高对产品质量检测要求就更高，对在线检测设备的需求也就更大具有巨大的市场潜力。机器视觉图像处理技术是视觉检测的核心技术铸件常见缺陷：砂眼气孔缩孔披缝粘砂冷隔掉砂毛刺浇不足缺陷变形问题的提出： 1.水渍、污迹等不属于铸件缺陷，但由于其外观形貌与缺陷非常类似, 因此易被检测系统误识为缺陷。从目前发表的文献来看，对于伪缺陷的识别率较低。 2.不同种缺陷之间可能存在形状、纹理等方面的相似性，造成缺陷误判。国外研究发展现状： 20 世纪90 年代后，基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。 1990 年芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统[]，该系统具有自学习分类功能，应用机器学习方法对决策树结构进行自动设计优化。 1996 年美国Cognex公司研发了一套iLearn自学习分类器软件系统并应用于其研制了iS-2000 自动检测系统。通过这两套系统的无缝衔接，极大地提高了检测系统实时的运算速度，有效的改进了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处[]。 2004 年Parsytec公司发布了新一代表面质量检测产品Parsytec5i，该系统运用了自学习神经

机器视觉检测

机器视觉检测一、概念视觉检测是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉检测的特点是提高生产的柔性和自动化程度。 2、典型结构五大块：照明、镜头、相机、图像采集卡、软件 1.照明照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。目前没有通用的照明设备，具体应用场景选择相应的照明装置。照射方法可分为：分类具体说明优点背向照明被测物放在光源和摄像机之间能获得高对比度的图像前向照明光源和摄像机位于被测物的同侧便于安装结构光将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息频闪光照明将高频率的光脉冲照射到物

体上，摄像机拍摄要求与光源同步 2.镜头镜头的选择应注意以下几点：焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD 和面阵CCD；单色相机和彩色相机。为优化捕捉到的图像，需要对光圈、对比度和快门速度进行调整。 4.图像采集卡图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中，以数据文件的形式保存在硬盘上。通过它，可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分，最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。 3、关键——光源的选择 1.光源选型基本要素：对比度机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特

机器视觉行业市场调研报告

机器视觉市场调研报告

机器视觉在线检测系统项目实施流程

精选文档随着机器视觉检测技术的日益成熟，越来越多的企业选择安装机器视觉在线检测系统，企业如何做到机器视觉在线检测项目的顺利实施，企业用户对机器视觉在线检测系统设计制作流程的了解至关重要，今天创视新小编在这里整理了整个机器视觉在线检测系统从前期的产品检测评估到系统设备设计制作集成的整个过程做一个简单的介绍： 1、项目的前期评估 A、通过电话联系我们公司，我们公司将会有专业项目工程工程师跟您进行初步的沟通，了解您的需求； B、需要您提供检测样品（0K品和各种NG品数个）以及现场环境，如果不是做整机检测设备的还需要提供视觉设备的安装空间及外围I0通讯。如有需要，项目工程师可以到贵公司进行现场评估； C、根据提供的样品，项目工程师会在公司进行初步的技术评估，一般在收到样品后两个工作日内会给出测试结果； D、项目工程师会根据测试结果，向您提出专业的意见。提供合适的视觉产品（包括工业相机、镜头、光源、电脑、机器视觉系统软件等）给您，然后在测试结果出来后给您提供初步方案及项目费用预估。 E、如对方案存在疑问，可以随时联系项目工程师，项目工程师会对您的疑问进行解答并完善方案，尽力满足您的需求。 2、立项项目经过初步评估后，双方确认项目方案的可行性，项目工程师接下来会建立一个新项目流程往下进行。 3、检测标准的明确需要您收集0K品和限度NG品（即初步测试中认为可以检测出来的NG品种类），需要一定数量。项目工程师会对您提供的样品进行测试，详细的检测标准跟您进行确认精选文档

4、其他确认明确了检测标准后，项目工程师会进一步和您确认检测设备达到安装现场，机械和电气要求；如果贵公司对设备使用有特殊要求的，请及时提出，以便我们进行评估和设计。 5、整体方案书制作、明细报价单、合同制作项目工程师根据以上的确认制作详细的整体方案，整体包含整机图、视觉系统配置、检测标准、软件功能等。机器视觉在线检测系统设备设计制作流程在签完合同和各方面财务确认后就开始进一步的系统设备的设计制作。 1、客服提供相关的辅料需要提供不同程度的良品与不良品样品、产品样品外观尺寸和设计品载具。如果需要使用专用载具，请提供专用载具的相关尺寸以提供我们的设计使用。 2、设备整机布置图和电气控制动作流程的确认我们在收到您提供的相关辅料几个工作日后，提供设备整机布置图和电气控制动作流程给贵公司的责任人确认，如有疑问可以和公司的技术工程师沟通，技术工程师会尽快解决您的问题。 3、机器零件图设计整机布置图确认后，接着就是进行机械零件的设计。 4、机械、电气标准件的选型精选文档整机布置图和电控动作流程确认后，接着就是完成机械、电气标准件的选型。

机器视觉文献综述

一、机器视觉与图像采集的研究的意义 “作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“ AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。” 二、机器视觉与图像采集的研究的现状国外机器视觉发展的起点难以准确考证，其大致的发展历程是：在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。国内机器视觉发展的大致历程：中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。三、机器视觉与图像采集技术在各个领域的应用视觉技术的最大优点是与被观测对象无接触,因此,对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的. 理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像. 另外,人无法长时间地观察对象,机器视觉则无时间限制,而且具有很高的分辨精度和速度. 所以,机器视觉应用领域十分广泛,可分为工业、科学研究、军事和民用4 大领域. 3. 1 工业领域工业领域是机器视觉应用中比重最大的领域,按照功能又可以分成4 类:产品质量检测、产品分类、产品包装、机器人定位. 其应用行业包括印刷包装、汽车工业、半导体材料/ 元器件/ 连接器生产、药品/ 食品生产、烟草行业、纺织行业等.下面以纺织行业为例具体阐述机器视觉在工业领域的应用[9 ] .在纺织企业中,视觉检测是工业应用中质量控制的主要组成部分,用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,大大提高检测精度和效率. 正是由于视觉系统的高效率和非接触性,机器视觉在纺织检测中的应用越来越广泛[10 - 12 ] ,在许多方面已取得了成效.机器视觉可用于检测与纺织材料表面有关的性能指标见表4. 目前主要的研究内容可分为3 大类: 纤维、纱线、织物. 由于织物疵点检测(在线检测) 需要很高的计算速度,因此,设备费用比较昂贵. 目前国内在线检测的应用比较少,主要应用是离线检主要的检测有纺织布料识别与质量评定、织物表面绒毛鉴定、织物的反射特性、合成纱线横截面分析、纱线结构分析等. 此外还可用于织物组织设计、花型纹板、棉粒检测、分析纱线表面摩擦。 3. 2 民用领域机器视觉技术可用在智能交通、安全防范、文字识别、身份验证、医疗设备等方面. 在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技术对x 射线透视图、核磁共振图像、CT 图像进行适当叠加,然后进行综合分析,以及对其它医学影像数据进行统计和分析。 3. 3 科学研究领域

概述机器视觉工业五大典型应用.

概述机器视觉工业五大典型应用如今，自动化技术在我国发展迅猛，人们对于机器视觉的认识更加深刻，对于它的看法也发生了很大的转变。机器视觉系统提高了生产的自动化程度，让不适合人工作业的危险工作环境变成了可能，让大批量、持续生产变成了现实，大大提高了生产效率和产品精度。快速获取信息并自动处理的性能，也同时为工业生产的信息集成提供了方便。随着机器视觉技术成熟与发展，我们不难发现其应用范围越加的广泛，根据这些领域，我们大致可以概括出机器视觉工业的五大典型应用，这五大典型应用也基本可以概括出机器视觉技术在工业生产中能够起到的作用。图像识别应用。图像识别，是利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。图像识别在机器视觉工业领域中最典型的应用就是二维码的识别了，二维码就是我们平时常见的条形码中最为普遍的一种。将大量的数据信息存储在这小小的二维码中，通过条码对产品进行跟踪管理，通过机器视觉系统，可以方便的对各种材质表面的条码进行识别读取，大大提高了现代化生产的效率。图像检测应用检测是机器视觉工业领域最主要的应用之一，几乎所有产品都需要检测，而人工检测存在着较多的弊端，人工检测准确性低，长时间工作的话，准确性更是无法保证，而且检测速度慢，容易影响整个生产过程的效率。因此，机器视觉在图像检测的应用方面也非常的广泛，例如：硬币边缘字符的检测。2000年10月新发行的第五套人民币中，壹圆硬币的侧边增强了防伪功能，鉴于生产过程的严格控制要求，在造币的最后一道工序上安装了视觉检测系统；印刷过程中的套色定位以及较色检查、包装过程中的饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等；玻璃瓶的缺陷检测。机器视觉系统对玻璃瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。视觉定位应用

2016年机器视觉行业分析报告(完美版)

(此文档为word格式，可任意修改编辑！） 2016年3月

目录一、机器视觉行业概况 5 1、机器视觉：用机器代替人眼来做测量和判断 5 2、机器视觉的原理及优势：机器视力不止“50” 6 3、机器视觉系统的组成9 （1）光源：LED光源综合性能最佳9 （2）镜头：系统中最关键的原件10 （3）相机：CCD 与CMOS 相机各有优势11 （4）图像采集卡：图像采集和处理的接口12 （5）图像处理软件：机器视觉的“大脑”13 4、机器视觉系统的产业链分析：产业链上中游主导机器视觉产业14 （1）上中游产业：软件开发和半导体器件是核心15 （2）下游产业分析:广泛的应用领域，稳定的市场需求16 二、机器视觉行业竞争格局：美日两系行业领跑，市场规模进一步扩大17 1、机器视觉行业三阶段发展史17 2、市场背景：工业40——工业机器人蓬勃发展18 3、美日两系公司比较：各有千秋的行业巨头19 （1）美国康耐视（Cognex Corp）：视觉读码专家19 （2）日本基恩士（Keyence）：机器视觉行业的世界领跑者20

（3）美日两系公司市场表现总结22 4、机器视觉行业的前景预测：中国市场是新爆发点22 三、中国机器视觉行业：设备需求大幅增温，国内市场潜力巨大 24 1、中国机器视觉行业成长概况：正在进入黄金增长期24 2、三大因素促进机器视觉行业发展和升级26 （1）技术层面：专利数量大增26 （2）产业政策：机器视觉迎政策“东风”27 （3）国际视角：加入国际产业链，建设智能化工厂成为必然要求29 3、国内机器视觉产业：逐渐从低端走向高端应用30 （1）国内企业概况：以代理商为主，自身业务技术有待提高30 （2）市场应用欠成熟，逐渐发展走向中国制造2025 31 4、中国机器视觉未来发展趋势32 （1）半导体行业的发展带动机器视觉行业市场32 （2）基于嵌入式的产品将取代板卡式产品33 （3）个性化的服务和方案代替标准化产品35 四、A股上市机器视觉企业剖析：精耕细作的中国机器视觉35 1、公司概况35 2、行业壁垒：企业做强做大的阻力36 （1）技术壁垒：技术密集型企业36 （2）人才壁垒：创新驱动实质上是人才驱动37

机器视觉测量实验报告

《机器视觉应用实验报告》姓名黄柱汉学号 201341304523 院系机械与汽车工程学院专业仪器仪表工程指导教师全燕鸣教授 2015年04月16日

华南理工大学实验报告课程名称：机器视觉应用机械与汽车工程学院系仪器仪表工程专业姓名黄柱汉实验名称机器视觉应用实验日期2015.4.16 指导老师全燕鸣一、实验目的主要目的有以下几点： 1.实际搭建工业相机、光源、被摄物体图像获取系统，自选Labview或Matlab、 Halcon、Ni Vision软件平台，用打印标定板求解相机内外参数以及进行现场系统标定； 2.进行一个具体实物体的摄像实验，经图像预处理和后处理，获得其主要形状尺寸的测量（二维） 3.进行一个具体实物体的摄像实验，经图像预处理和后处理，识别出其表面缺陷和定位。二、实验原理 “机器视觉”是用机器代替人眼来进行识别、测量、判断等。机器视觉系统是通过摄像头将拍摄对象转换成图像信号，然后再交由图像分析系统进行分析、测量等。一个典型的机器视觉系统包括照明、镜头、相机、图像采集卡和视觉处理器5个部分。 HALCON是在世界范围内广泛使用的机器视觉软件，拥有满足各类机器视觉应用的完善开发库。HALCON也包含Blob分析、形态学、模式识别、测量、三维摄像机定标、双目立体视觉等杰出的高级算法。HALCON支持Linux和Windows，并且可以通过C、C++、C#、Visual Basic和Delphi语言访问。另外HALCON与硬件无关，支持大多数图像采集卡及带有DirectShow和IEEE 1394驱动的采集设备，用户可以利用其开放式结构快速开发图像处理和机器视觉应用软件，具有良好的跨平台移植性和较快的执行速度。本实验包括对被测工件进行尺寸测量和表面缺陷检测。尺寸测量是通过使用机器视觉来对考察对象的尺寸、形状等信息进行度量；缺陷检测是通过机器视觉手段来分析零部件信息，从而判断其是否存在缺陷。

机器视觉简介

机器视觉机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。发展折叠如今，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。其重要原因是中国已经成为全球制造业的加工中心，高要求的零部件加工及其相应的先进生产线，使许多具有国际先进水平的机器视觉系统和应用经验也进入了中国。经历过长期的蛰伏，2010年中国机器视觉市场迎来了爆发式增长。数据显示当年，中国机器视觉市场规模达到8.3亿元，同比增长48.2%，其中智能相机、软件、光源和板卡的增长幅度都达到了50%，工业相机和镜头也保持了40%以上的增幅，皆为2007年以来的最高水平。 2011年，中国机器视觉市场步入后增长调整期。相较2010年的高速增长，虽然增长率有所下降，但仍保持很高的水平。2011年中国机器视觉市场规模为10.8亿元，同比增长30.1%，增速同比2010年下降18.1个百分点，其中智能相机、工业相机、软件和板卡都保持了不低于30%的增速，光源也达到了28.6%的增长幅度，增幅远高于中国整体自动化市场的增长速度。电子制造行业仍然是拉动需求高速增长的主要因素。2011年机器视觉产品电子制造行业的市场规模为5.0亿人民币，增长35.1%。市份额达到了46.3%。电子制造、汽车、制药和包装机械占据了近70%的机器视觉市场份额。概述折叠编辑本段机器视觉(Machine vision) 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不视觉系统工作原理简图适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉;